こんにちは、私の名前は粘土バーカー、そして私はある統計的開発者でのJMPグループ。
私は行くになれ話しているについていくつかの新しい特徴での分布プラットホーム
ギア付きに向かって分析する限界の検出データ。
その何か私働いたの上と私の同僚、ローラランカスター
だれのまたあるステータス開発者でJMP。
にキックものオフ、何はある限定検出問題？
何は私たちは試していますに解決する？
それは基本的なレベル、
ある限界の検出問題はいつ私たちは持っているいくつかの測定デバイス
そしてそのないできるに提供する良い測定値外のいくつかのしきい値。
それは何私たちは電話ある限界の検出問題。
Fまたは例、しましょう言う私たちは持っている、だった取る重さ測定値
そしてだったを使用してある規模それはないできるに作る測定値下に1g 。
でこれ実例、結婚した言うそれ私たちは持っているより低い検出限界の1
なぜなら私たちはできない測定下にそれ。
しかしで私たちのデータセット、だったまだ録音それらの価値観として1.
なぜならのそれらの制限、
私たちは見る、私たちはかもしれない持っているあるデータセットそれ見た目のようにこれ。
で一部、私たちは持っているいくつかの価値観の1そしていくつかの非1価値観それは多くのより大きい。
私たちはしないでください本当に信じるそれそれらの価値観は1秒。
私たちはただ知るそれそれらのはでほとんど1.
これデータ起こる全ての時間で練習する。
もしあなた考えるについて時々だったないできるに測定下にあるより低いしきい値。
時々だったないできるに測定その上のアッパーしきい値。
それらのは両方限定検出問題。
何すべき私たちはするについてそれ？
しましょう見てである本当に単純例。
私シミュレートされたいくつかのデータそれは通常は配布された
と平均10そして差異 1 、
そしてだった堂々としたあるより低い検出限界の9.
もし私たちは見てで私たちのデータセットここ、
私たちは持っているいくつかの価値観その上9、そして私たちは持っているいくつかの9秒。
いつ私たちは見てでのヒストグラム、
これ絶対にしません見て通常は配布された
なぜなら私たちは持っているある全体束の余分な9秒
そして私たちはしないでください持っている何でも下に9.
何起こるもし私たちはただモデルそれデータとしては？
良い、それターン外の結果そうではありませんそれ素晴らしい。
私たちは得るあるちゃんとした見積もりの私たちの位置パラメータ、私たちのむーさん
その本当に近いに10、どれのはの真実。
しかし私たちは持っています本当に過小評価されているそれ規模または分散パラメータ。
私たちは推定それになれ0.8、
いつの真実はそれ私たちは生成されたそれと規模等しいに1.
あなたはそうするだろう知らせそれ私たちの自信間隔のためにそれ規模パラメータ
しません平カバー1.
それしません含むの真実そしてそれは一般的にないある素晴らしい状況になれで。
なに？もっと、もし私たちは見てで… 私たちはフィットある一握りのの配布物、
私たちはフィットのログ普通、のガンマ、そしての普通、
まあ、普通分布、どれのは何私たちは使用に生成する私たちのデータ、
それそうではありません平競争力ベースのの上のAIC。
ベースの上それらのAIC価値観、
私たちはするだろう絶対に選ぶあるログ普通分布にモデル私たちの応答。
私たちはしていない終わりある良い仕事見積もる私たちのパラメーター。
だったない平選択するに使用の分布
それ私たちは生成されたのデータと。
W eただ投げた全てそれらの9秒の中へ私たちのデータセット。
私たちは無視されましたの事実それあれは不完全な情報
そしてそれしませんでした仕事外良い。
何もし、その代わりの無視するそれ限界の検出、
何もし私たちはただ投げる外全てそれらの回?
良い、今私たちは持っています得たある小さいデータセットそしてその偏った。
私たちは投げられた外ある大きいかたまりの私たちのデータの上それ。
私たちは持っているある偏ったサンプル今。
今もし私たちはフィット私たちの普通分布、
今だった過大評価の位置パラメータ、
そしてだったまだ最低交尾するの規模パラメータ。
だった実はでとてもある悪い位置まだ、
なぜなら私たちはしていない終わりある良い仕事とどちらかのそれらのパラメーター。
だったまだありそうもないに選ぶ普通分布。
ベースの上のAIC、のログ普通そしてのガンマ分布
両方フィットとてもある少しより良いよりもの普通分布。
だったまだである悪い場所。
私たちは試してみた投げ外の9さん、そしてそれしませんでした振り向く外良い。
私たちは試してみたただ含む彼らとして9 s.
それしませんでした振り向く外良いどちらか。
何すべき私たちはするその代わり？
の答えはそれ私たちはすべき扱う
それらの観察での限界の検出。
私たちはすべき扱うそれらのとして検閲された観察。
検閲はある状況どこ
私たちはのみ持っている部分的情報について私たちの応答変数。
それはその通りの状況だったでここ。
もし私たちは持っているの観察でのより低い検出限界、そしてここ私は示されるそれ
DサブL、
私たちは言うそれ観察は少ない検閲済み。
私たちはしないでください言うそれYは等しいにそれ限界の検出。
私たちは言うそれYは少ないよりもまたは等しいにそれDL価値。
の上のフリップ側、
もし私たちは持っているあるアッパー限界の検出、示されるDUここ、
それらの観察は右検閲済み。
なぜならだったない言ってるそれYは等しいにそれ価値。
だったただ言ってるそので少しでもそれ価値。
もしあなたは探しているのためにもっと情報についてどうやってにハンドル検閲されたデータ、
1つのの参考文献それ私たちは提案する全ての時間は
ミーカーとエスコバルの本統計的メソッドのために信頼性データ。
それはある本当に良い概要のためにどうやってあなたすべき扱う検閲されたデータ。
もしあなたは使用済みいくつかののの...
もしあなた使用いくつかののの特徴そしての生存そして信頼性メニューJMPでは、
それからあなたはおなじみともののように人生分布そしてフィット人生によるバツ。
これらは全てプラットフォームそれ収容する検閲でJMP。
何だった興奮したについてでJMP 17は今
私たちは持っている追加したいくつかの特徴に分布それでそれ私たちはできるハンドル
これ限界の検出問題そして配布として良い。
全てあなた持っているにするはあなた追加
ある検出限界カラム財産にあなたの応答変数、
そしてあなた特定何のアッパーそしてまたはより低い検出限界は、
そしてあなたは良いに行く、あるよ何もないそれ以外あなた持っているにする。
で私のシミュレートされた例、私持っていたあるより低い検出限界の9.
私するだろう置く9でのより低い検出限界分野ここ。
それは本当に全てあなた持っているにする。
による指定するそれ検出限界、
今分布は行くに言う、わかった、私知るそれ価値観の9
は実は左検閲された、
そして私は行くにする推定会計のためにそれ。
今とそれ同じシミュレートされた例、そしてこれより低い検出限界指定された、
今あなたはそうします知らせ私たちは得るある多くのもっと合理的フィットの普通分布。
今私たちの自信間隔のために両方の位置そして規模パラメータ
カバーの真実、
なぜなら私たちは知る、また、の位置だった10そしての規模だった1.
今私たちの自信間隔カバーの真実
そしてそれはある多くのより良い状況。
もしあなた見てでのCDFプロットここ、
これはある本当に良い方法に比較する私たちのフィットした分布に私たちのデータ。
何そのやってるはそれ赤ラインはの経験的なCDF、
そしての緑ラインはのフィットした普通CDF。
としてあなたできる教えて、彼らは本当に近い上それまで9.
そしてそれ作るセンス、なぜならそれはどこ私たちは持っている検閲。
だったやってるある多くのより良い仕事フィッティングこれらデータ
なぜならだったきちんと取り扱いそれ検出限界。
私ただ欲しかったにポイント外それいつあなたは指定されたの検出限界、
の報告作るそれ本当にクリアそれ私たちは持っています使用済みそれ。
としてあなたできる見るここ、
それ言うのフィットした普通分布と検出限界、
そしてそれしましょうあなた知るその通りどれの検出限界それ使用済み。
今ないのみは、
なぜならだったやってるあるより良い仕事見積もる私たちのパラメーター、
もののように推論についてそれらのパラメーターはもっと信頼できる。
もし私たちはする何かのように私たちは見てでの分布プロファイラー
今私たちはできる信頼これら
推論ベースのの上私たちのフィットした分布、
私たちは感じる多くのより良いについて信頼するもののようにの分布プロファイラー。
とのシミュレートされた例、もし私たちは使用私たちのフィットした普通分布、
なぜなら私たちはきちんと処理された検閲、
私たちは知るそれについて16 %のの観察
は落下下にそれより低い検出限界。
私また欲しかったにポイント外それ
いつあなた持っている検出限界で分布、
今だったのみできるにフィットあるサブセットのの分布
それあなたするだろう通常は見るでの分布プラットホーム。
私たちはできるフィットの普通、指数関数的、ガンマログ、普通、ウィスコンシン州そしてベータ。
全てのそれらの分布サポート検閲
または限定検出で分布。
しかしもしあなただったを使用して何かのようにの混合の法線、
良い、それそれしません伸ばす良いにセンサーデータ。
あなたはない行くになれできるにフィットそれいつあなた持っているある限界の検出。
私また欲しかったにポイント外もしあなた持っているJMPプロ
そしてあなたは使用済みにを使用しての一般化された回帰プラットホーム、
一般化された回帰認識しますそれちょうど同じカラム財産。
の検出限界カラム財産
は認識されたによる両方分布そして一般化された。
1つのの本当にニースものについて
これ新しい特徴はそれそれ取得運ばれたの上にの能力プラットホーム。
もしあなたするあなたのフィットそして分布、そしてあなた打ち上げ能力、
今だった行くに得るもっと信頼できる能力結果。
しましょう言うそれだった製造業ある新しい薬、
そして私たちは欲しいに測定の額の和不純物での薬。
私たちのデータかもしれない見てのように何私たちは持っているここ。
私たちは持っているある束の小さい価値観、そして私たちは持っているあるより低い検出限界の1 mg。
これら価値観の1それは強調表示されたここ、
私たちはしないでください本当に考えるそれらのは1.
私たちは実は考えるその何か... 私たちは知るそれその何か少ない1よりも。
私たちは持っているのアッパー仕様限界の2.5ミリグラム。
これはある状況どこ私たちは持っている両方スペック限界そして検出限界。
その本当に簡単に特定それらのでのカラムプロパティ。
ここ私たちは持っています定義済み私たちのアッパースペック限界として2.5
そして私たちのより低い検出限界の1.
今全てあなた持っているにするはただ
与える分布のカラムそれあなた欲しいに分析する。
それ知っていますその通りどうやってにハンドルそれ応答変数。
しましょう見てでの能力結果。
今、なぜなら私たちは持っていますきちんと処理されたそれ限界の検出、
私たちは信頼それ私たちのログ普通フィットは良い。
私たちは見るそれ私たちのPPK、価値ここは0.546 。
それはないとても良い。
いつものあなたするだろう欲しいあるPPKその上1.
これは伝える私たちそれ私たちのシステムはないとても有能。
私たちは得たいくつかの問題それ私たちはかもしれない必要に選別外。
一度また、何するだろう持っている起こりましたもし私たちは持っていた無視されましたそれ限界の検出
そして私たちは持っていたただ治療された全てそれらの1秒としてもし彼らは本当にだった1秒。
良い、しましょう取るある見て。
私たちはする私たちのフィット、無視するの限界の検出、そして私たちは得るあるPPKのその上1.
に基づくこれフィット、
私たちはするだろう言うそれ私たちは実は持っているあるきちんと有能システム、
なぜならあるPPKの1はないあまりにも悪い。
それかもしれないなれの許容できる価値。
による無視するそれ限界の検出、
私たちは持っています騙された私たち自身の中へ考え私たちのシステムはもっと有能よりもそれ本当には。
私考えるこれはあるいいね例、
なぜなら私たちは持っているあるより低い検出限界、どれの5月鉛あなたに信じる、
良い、私かもしれないなれ多分無視するの限界の検出するだろうなれ保守的、
なぜなら私は過大評価の位置パラメータ。
それは真実、いつ私たちは無視するの限界の検出、
だった過大評価それ位置パラメータ。
しかしの問題はだったひどく過小評価しているの規模パラメータ。
それは何作る私たち作る悪い決断外でのしっぽ
のそれ分布。
による無視するそれ限界の検出、
私たちは持っています本当に得た私たち自身の中へある悪い状況。
ただに要約すると、
その本当に重要に認識するいつ私たちのデータ特徴ある限界の検出。
私考えるその簡単に考えるの、
時々私たちは考えるについてデータセットどこ
多分私たちは持っています分析されたの応答としてはでの過去、
いつ本当に、多分私たちはすべき持っている調整されたのためにある限界の検出。
なぜならのように私たちはただ見た、いつ私たちは無視するそれらの限界、私たちは得る誤解を招くフィットします。
それから私たちは5月作る悪い決断ベースのの上それらの誤解を招くフィットします。
のように私たちは見たで私たちの例、
私たちは得た悪い見積りまたはの位置そして規模パラメーター、
そして私たちのPPK見積もりだったほとんどダブル何それすべき持っているされた。
しかし何だった興奮したについてでJMP 17
はそれの分布プラットホーム作るそれ本当に簡単に避けるこれら落とし穴
そしてに分析するこれデータの種類きちんと。
全てあなた持っているにするは特定それ検出限界カラム財産、
そして分布知っていますその通り何にするとそれ。
今日私たちはのみ見たでより低い検出限界、
しかしあなたできるただとして良い持っているアッパー検出限界として良い。
で事実、あなたできる持っている両方。
のように私言った、あるよのみ六分布それ現在サポート
検閲内部のの分布プラットホーム。
しかしそれらのはまたの六ほとんど重要分布のためにこれら種類のデータ。
それ本当にです良い選択の配布物。
それはそれ。
ただ欲しかったんだに感謝あなたのためにあなたの時間
そして奨励するあなたにチェック外これら機能強化にの分布プラットホーム。
ありがとう。
